Transparentar el conocimiento urbano para el apoyo a la decisión mediante inteligencia artificialcomprendiendo la percepción infantil de los entornos escolares de Granada

  1. Abarca-Alvarez, Francisco Javier 1
  2. Mora-Esteban, Rubén 2
  3. Campos-Sánchez, Francisco Sergio 1
  1. 1 Departamento de Urbanística y Ordenación del Territorio. Escuela Técnica Superior de Arquitectura. Universidad de Granada (España)
  2. 2 Doctorando de la Universidad Politécnica de Madrid.
Revista:
Teknokultura: Revista de Cultura Digital y Movimientos Sociales

ISSN: 1549-2230

Año de publicación: 2018

Volumen: 15

Número: 1

Páginas: 89-104

Tipo: Artículo

DOI: 10.5209/TEKN.57194 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Teknokultura: Revista de Cultura Digital y Movimientos Sociales

Resumen

Las recientes trasformaciones socio-económicas están incentivando sociedades que aspiran a roles más activos en la toma de decisiones, afectando a las organizaciones sociales, pero también a la gestión del conocimiento y la educación. Para que ocurra este empoderamiento es necesario un mejor y más equitativo acceso a la información, más transparente, comprensible e interpretable. El trabajo que se presenta continúa una Investigación-Participación realizada con universitarios y otros ciudadanos que permitió consensuar atributos e indicadores de la calidad de vida y sostenibilidad urbana. La investigación se enfoca ahora en el objetivo de aportar conocimiento útil para el empoderamiento ciudadano en la toma de decisiones. Como caso de estudio se seleccionan los entornos urbanos escolares de la ciudad de Granada. La información se obtiene mediante una metodología cuantitativa con formularios a niños sobre sus dimensiones: familiar, residencial, relación con el medio, y perceptiva del entorno urbano colegial. Usando técnicas de Inteligencia Artificial sobre las tres primeras dimensiones se obtienen perfiles de niños atendiendo a tales realidades. Los perfiles se contrastan con la dimensión perceptiva que los niños tienen del ámbito próximo a su colegio, representándose finalmente de manera comprensible para la interpretación directa por la ciudadanía. Se concluye que la percepción infantil de la ciudad está influenciada por el contexto familiar y especialmente por el tipo de desplazamientos que realiza, siendo generalmente más positiva cuando éstos son peatonales. Ello enraíza con la relevancia de las ideas de la Ciudad de los Niños, más peatonal y humana, legitimando líneas de acción crítica ciudadana.

Referencias bibliográficas

  • Abarca-Álvarez, F. J. (2011). Identificación de patrones para la ordenación urbanística mediante redes neuronales: Hacia la Ordenanza-Red. Serie Geográfica, 17, 45-60. Disponible en http://hdl.handle.net/10481/18495.
  • Abarca-Álvarez, F. J., Osuna-Pérez, F. (2013). Cartografías semánticas mediante redes neuronales: los mapas auto-organizados (SOM) como representación de patrones y campos. EGA: Revista de Expresión Gráfica Arquitectónica, 18 (22) 154-163. Disponible en https://doi.org/10.4995/ega.2013.1692.
  • Abarca-Álvarez, F. J., Campos-Sánchez, F. S. y Osuna-Pérez, F. (2015). Taxonomía de las inmigraciones turísticas de Andalucía basada en las cualidades de sus asentamientos urbanos. En I Congreso Internacional de migraciones contemporáneas, territorio y urbanismo: Actas del congreso internacional, Cartagena, 9 y 10 de julio de 2015. Cartagena: Universidad Politécnica de Cartagena, Servicio de Documentación, 123-137. Disponible en http://hdl.handle.net/10317/5112.
  • Abarca-Álvarez, F. J., Fernández Avidad, A. (2010). Generation of Downtown Planning-Ordinances using Self Organizing Maps. Design & Decision Support Systems 2010 International Conference. Eindhoven: Tue Eindhoven.
  • Arampatzis, G., Kiranoudis, C. T., Scaloubacas, P. y Assimacopoulos, D. (2004). A GISbased decision support system for planning urban transportation policies. European Journal of Operational Research, 152 (2), 465-475.
  • Bação, F., Lobo, V. y Painho, M. (2005). Self-organizing maps as substitutes for k-means clustering. Computational Science-ICCS 2005, 3516, 476-483. Disponible en http://doi.org/10.1007/11428862_65.
  • Baierle, T. y Cayford, J. (2001). Democracy in Practice: Public Participation in Environmental Decisions. Washington DC, USA: Resources for the Future.
  • Bauman, Z. (2003). Modernidad Líquida. Argentina: Fondo de cultura económica.
  • Bray, J. y McLaughlin, D. (2005). Getting to Ground: Democratic Renewal in Canada. Crossing Boundaries Papers. Ottawa, USA: The Crossing Boundaries National Council.
  • Caddy, J. y Vergez C. (2001). Citizens as Partners: Information, Consultation and Public Participation in Policy-making. Organisation for Economic Co-operation and Development.
  • Cao, L. (2009). Introduction to Domain Driven Data Mining. En L. Cao, S. Y. Philip, C. Zhang, y H. Zhang, Eds. Data mining for business applications. New York, USA: Springer Science+Business Media, LLC. http://doi.org/10.1007/978-0-387-79420-4
  • Carlsson, S. A. y El Sawy, O. A. (2008). Decision Support in Turbulent and High-Velocity Environments. Chapter 37. En F. Burstein y W. Holsapple (Eds). Handbook on Decision Support Systems 2: Variations (pp. 3-17). Berlin Heidelberg, Alemania: Knowledge Management. Springer-Verlag. http://doi.org/10.1007/978-3-540-48713-5
  • Castells, M. (1995). La ciudad informacional: tecnologías de la información, reestructuración económica y el proceso urbano-regional. Madrid: Alianza.
  • CIMAS Red, Alberich, T., Arnanz, L., Basagoiti, M., Belmonte, R., Bru, P., Espinar, C., García, N., Habegger, S., Heras, P., Hernández, D., Lorenzana, C., Martín, P., Montañés, M., Villasante, T. R. y Tenze, A. (2015). Metodologías Participativas: Sociopraxis para la creatividad social. Madrid: Dextra Editorial.
  • Coe, R. y Merino, C. (2003). Magnitud del efecto: Una guía para investigadores y usuarios. Revista de Psicología, 21(1), 147-177.
  • Crick, B. (2002). Democracy: A Very Short Introduction. Oxford, UK: Oxford University Press.
  • De Almeida, E. L., Davis, G., Zanoni, E. y de Souza Mendes, L. (2013). Knowledge Discovery: Data Mining by Self-organizing Maps. En J. Cordeiro y K. H. Krempels (Eds.): WEBIST 2012, LNBIP 140 (pp. 185-200). Berlin Heidelberg, Alemania: Springer-Verlag.
  • Diappi, L., Bolchim, P. y Buscema, M. (2004). Improved Understanding of Urban Sprawl Using Neural Networks. Dordrecht, Países Bajos: Springer.
  • Dryzek, J. S. (1990). Discursive Democracy. New York, USA: Cambridge University Press.
  • Feng, S. y Xu, L. D. (1999). Decision support for fuzzy comprehensive evaluation of urban development. Fuzzy Sets and Systems, 105(1), 1-12.
  • Freire, P. (1970). Pedagogia do Oprimido. Rio de Janeiro, Brasil: Paz e Terra.
  • Garnier, J. P. (2006). Contra los territorios del poder. Por un espacio público de debates y de combates. Barcelona, España: Virus.
  • Goyette, G. y Lessard-Hébert, M. (1988). La investigación-acción: Funciones, fundamentos e instrumentación. Barcelona, España: Laertes.
  • Habermas, J. (1994). Three Normative Models of Democracy. Constellations, 1(1),1−10.
  • Hagen, A. y Timmermans, H. J. P. (2009). A metric of compactness of urban change illustrated to 22 European countries. European Information Society: Taking Geoinformation Science One Stepfurther, 181-200.
  • Harvey, D. (2013). Rebel Cities: From the right to the city to the urban revolution. London, UK: Verso.
  • Hessel, S. (2011). ¡Indignaos!: Un alegato contra la indiferencia y a favor de la insurrección pacífica. Prologado en España por José Luis Sampedro. Barcelona, España: Destino.
  • Irwin, E. G. y Geoghegan, J. (2001). Theory, data, methods: Developing spatially explicit economic models of land use change. Agriculture Ecosystems and Environment, 85(1-3) 7-23.
  • Keen, P. G. (1987). Decision support systems: the next decade. Decision Support Systems, 3(3), 253-265.
  • Kemmis, S. y Mctaggart, R. (1988). Cómo planificar la investigación-acción. Barcelona, España: Laertes.
  • Kohonen, T. (1989). Self-organizing semantic maps. Biological cybernetics, 61(4) 241-254.
  • Kropp, J. (1998). A neural network approach to the analysis of city systems. Applied Geography, 18(1) 83-964.
  • Lefebvre, H. (1968). Le Droit à la ville. París, France: Anthropos.
  • Mack, E. A. (2012). Review of the book: Sustainability in America’s Cities: Creating the Green Metropolis. Journal of Planning Literature, 27(4), 461-462.
  • Nel-Lo, O. (2015). La ciudad en movimiento. Madrid, España: Díaz & Pons.
  • Oliverira de Vasconcelos, V. y Waldemez de Oliveira, M. (2010). Trayectorias de investigación acción: Concepciones, objetivos y planteamientos. Revista Iberoamericana de Educación, 53(5), 13. http://www.rieoei.org/deloslectores/3390Oliveira.pdf
  • Openshaw, S. y Abrahart, R. J. (2000). Geocomputation. London and New York, UK, USA: Taylor and Francis.
  • Power, D. J., Sharda, R. y Burstein, F. (2002). Decision support systems. New Yersey, USA: John Wiley & Sons, Ltd.
  • Riechmann, J. (2011). Frente al abismo. Papeles de relaciones ecosociales y cambio global, 115, 27-48.
  • Rifkin, J. (2014). La sociedad de coste marginal cero: El internet de las cosas, el procomún colaborativo y el eclipse del capitalismo. Barcelona, España: Espasa Libros, S. L. U.
  • Ríos, D., Kersten, G. E. y Grima, C. (2008). Towards Decision Support for Participatory Democracy. Chapter 66. En F. Burstein y W. Holsapple, C. (Eds.). Hand book on Decision Support Systems 2: Variations (pp. 652-685). Berlin Heidelberg, Alemania. Knowledge Management. Springer-Verlag. http://doi.org/10.1007/978-3-540-48713-5.
  • Sassen, S. (2013). Entrevista a Saskia Sassen: Urbanismo de código abierto y smart cities. Disponible en http://www.paisajetransversal.org/2013/02/entrevista-saskia-sassen-urbanismo-de.html.
  • Shukaitis, S y Graeber, D. Eds. (2007). Constituent Imagination. Militant organizations through participation. Amsterdam, Países Bajos: John Benjamins.
  • Silver, M. S. (1990). Decision Support Systems: Directed and Non-Directed Change. Inform Sys Res, 1 (1), 47-70.
  • Silver, M. S. (2008). On the Design Features of Decision Support Systems: The Role of System Restrictiveness and Decisional Guidance. Chapter 49. En F. Burstein y W. Holsapple, (Eds.). Hand book on Decision Support Systems 2: Variations (pp. 261-291). Berlin Heidelberg, Alemania: Knowledge Management. Springer-Verlag. http://doi.org/10.1007/978-3-540-48713-5
  • Sloterdijk, P. (2006). Esferas III. Espumas. Madrid, España: Siruela.
  • Spielman, S. E. y Thill, J. C. (2008). Social area analysis, data mining, and GIS. Computers. Environment and Urban Systems, 32 (2) 110-122.
  • Thiollent, M. (1981). Investigación-acción. Chasqui. Revista Latinoamericana de Comunicación, (1), 76-78. http://doi.org/http://dx.doi.org/10.16921/chasqui.v0i1.975.g1009.
  • Tonucci, F. (1996). La ciudad de los niños. Madrid, España: Grao.
  • Trilla, J. (1993). La educación fuera de la escuela. Ámbitos no formales y educación social. Barcelona, España: Ariel.
  • Uttke, A. (2012). Towards the future design and development of cities with built environment education: Experiencies of scale, methods, and outcomes. Procedia. Social and behavioral sciences, 45, 3-13.
  • Wasserstein, R. L., Lazar, N. A. (2016). The ASA’s statementon p-values: context, process, and purpose. The American Statistician, 1305 (April), 00-00. http://doi.org/10.1080/00031305.2016.1154108
  • Weiss, S. M. y Indurkhya, N. (1998). Predictive Data Mining: A Practical Guide. San Francisco, USA: Morgan Kaufmann.
  • White, R. y Engelen G. (1993). Cellular-automata and fractal urban form a cellular modeling approach to the evolution of urban land use patterns. Environment and Planning A, 25(8), 1175-1199.
  • Wu, F. (1998). An experiment on the generic polycentricity of urban growth in a celular automaticcity. Environment and Planning B Planning and Design, 25(5), 731-752.
Fuente de los datos: Dialnet